这篇文章能帮你省下多少冤枉钱、避开多少坑？
别急着充值、别急着迁移代码库、更别急着把现成的工作流推倒重来。OpenAI 这波 GPT-5.6 全量上线 + Codex 并入 ChatGPT Work 的组合拳，看似声势浩大、定价凶狠、功能炫酷，但凡搞过模型选型、踩过 API 坑、熬过半夜调 Prompt 的老手都知道——发布会上的 PPT 和生产环境里的血泪，中间隔着十万八千里。今天咱们不看榜单、不听营销、不跟风，就用大白话把这事儿彻底掰开了、揉碎了给你讲清楚：到底哪些是真材实料、哪些是自家哈佛给自家考、哪些是专门针对 Anthropic 定的「杀猪盘」、国内开发者现在该干啥、该等啥、该绝对别碰啥。读完这篇，起码能帮你避开「首发即迁移」的大坑，省下几万甚至几十万的试错成本。
一、 7 月 9 日到底发生了什么？别让营销话术把你带偏了
- 模型三档全量开放：Sol（旗舰）、Terra（均衡）、Luna（极速/极廉），统一 1M 上下文、128K 输出、知识截止 2026 年 2 月中旬。
- 定价直接对标 Anthropic：Sol $5/$30 贴着 Opus 4.8、Terra $2.5/$15 卡着 Sonnet 5、Luna $1/$6 蹭着 Haiku 4.5——这不是巧合，是赤裸裸的价格战。
- Codex 桌面端「消失」了：独立应用下线，能力全并进新版 ChatGPT 桌面客户端，变成了「聊天 / Work / Codex」三个模式的统一入口。
- ChatGPT Work 首发仅限 Pro/Enterprise/Edu：Plus 和 Business 要再等几天，免费用户只能用网页版的阉割功能。
- API 依旧不直接服务大陆：想用得走中转/聚合平台，GA 后 24-48 小时通常就能上车，价格浮动官方价 +10%-30%。
这些硬事实里，最吵、最误导人、也最需要打折扣的，是那句「Sol 在 Coding Agent Index 拿 80 分，比 Fable 5 高 2.8」。为啥？往下看。
二、 厂商自家后院跑出的 80 分，跟你生产环境里的体验没半毛钱关系
咱们先不聊数字，聊聊「考场」。
OpenAI 拿出的三个核心成绩单——Coding Agent Index 80 分（领先 Fable 5 2.8）、Agents' Last Exam 53.6（领先 13.1）、Intelligence Index 与 Fable 5 差 1 分但快 61% 省一半钱——全都是在自家调教过的 harness（测试脚手架）上跑出来的。这就好比老师自己出题、自己阅卷、自己给满分，然后对外宣称「我班第一」。
三周前 Anthropic 发 Fable 5 时也玩过这出：SWE-bench Pro 80.3% 是自家 agentic 脚手架跑的，独立评测一追问「中立环境下能剩多少」，现场就尴尬了。现在 OpenAI 反向上演同一出戏，分数还诡异地也卡在 80——这剧本咱们太熟了。
真正的公开榜单 SWE-bench Pro 上，Fable 5 以 80% 对 Sol 的 64.6% 领先整整 15 个百分点。OpenAI 的反应更有意思：不追分，转头去「审计」SWE-bench 本身年久失修。这招「赢了夸榜权威、输了骂榜过时」，两家轮流上演，看着解压，选型时别当真。
Simon Willison 这种亲自下场跑真实任务的老手结论最扎心：「Sol 确实非常能干，但在日常复杂编码任务上没超过 Anthropic 的模型」。这句话里藏着的信息量：天花板能力差不多，甚至 Sol 还略弱；真优势在「单位产出成本」——更快、更省 token。Artificial Analysis 独立测的编码任务成本比 Fable 5 max 档便宜约 40%，这才是全场最不容易造假、最对得上定价逻辑的硬指标。
三、 真正的大新闻不是模型，是 Codex 被「折叠」进超级 App——这改变了工具链的底层逻辑
很多人盯着参数量、上下文窗口、推理强度看得眼花缭乱，却忽略了一个动作：Codex 独立桌面应用彻底下线，整个并进 ChatGPT，变成了 Work 背后的执行引擎。CLI 保留了，但重心肉眼可见地偏了。
这不是简单的 UI 合并，是哲学分叉：
- OpenAI 押注「消费级超级 App」：你聊天的那个窗口，同时能改表格、重构仓库、替你上网办事、跑几小时的长任务。目标用户是做 PPT 的分析师、管表格的 PM、不想碰终端的业务方。
- Anthropic 走「可组合的开发者原语」：Claude Code 是独立 CLI/SDK，薄而可脚本化，塞进 CI、cron、git worktree 才是正经用法。目标用户是要把 agent 融入工程流水线的硬核工程师。
有去年冬天对比过这促路线，当时判断 agent 能力越来越多地长在「薄而可脚本化」那一层，而不是一体化的壳里。OpenAI 现在在壳上下重注，商业上很理性——Codex 独立做开发者产品撑不起一个 App，但做大众 agent 产品的肌肉，生意大得多，账单还落在开发者头上。
如果你去年选了 Codex，你选的工具刚在内部换了东家。Codex CLI 接下来两个季度会被当成几等公民，路线图跟着消费级优先级走，这事儿得盯着。
四、 价格战里的「三把狙」：每一档都盯着 Anthropic 的软肋打，但别让便宜蒙了心
把价目表摊开，意图藏都藏不住：
- Sol $5/$30 直接坐在 Opus 4.8 $5/$25 头上：输入价一分不差、输出略高，却宣称 Fable 级能力——等于「用副旗舰价格卖旗舰」，把 Fable 5 $10/$50 拦腰砍半。
- Terra $2.5/$15 卡进 Sonnet 5 标准价 $3/$15 下沿：输出完全对齐、输入削五毛，这数字是盯着价目表算出来的。
- Luna $1/$6 贴着 Haiku 4.5 $1/$5：输出多收一美元，换一个更大的上下文窗口。
关键时间点：Sonnet 5 早鸟价 $2/$10 到 8 月 31 日截止。9 月 1 日恢复 $3/$15 后，Terra 在纸面上就成更便宜的中端。我把话放这儿——Anthropic 要么延长早鸟价，要么在它到期后几周内跟进降价。2026 年前沿模型定价越来越像 2014 年云存储：在弹药充足的对手头顶撑价格伞，等于把份额白送。给 Q4 做 API 预算的，把「中端价格向下走」当默认假设。
五、 国内开发者的「能不能用、怎么便宜试」实操指南：别拿账号安全赌明天
扎心但必须说：ChatGPT Work 对国内用户短期内基本是「看得见摸不着」。
- API 路线：官方依旧不服务大陆，走中转/聚合平台今天就能试。建议全押 Luna：$1/$6 官方价意味着中转加价三成也就三五十块人民币，够把你一周真实任务全跑一遍——三档里对国内唯一友好的档位。选中转只看两点：是否按官方模型名透传（防偷换）、是否支持按量不锁月费。
- 封号风险：这轮 GA 没放松风控，反而因为 Work 能操作本地文件和浏览器，账号与设备环境绑得更深。虚拟卡开 Pro、IP 频繁跳区、多人共享账号——依旧是三大触发条件。别为了 GPT-5.6 去冒充值几百美元订阅费的封号风险，API 按量试完再说。模型能力 API 能完整评估，Work 的产品体验不值得押上账号。
- Work 国内体验：核心卖点（读本地文件、操作本地应用、内置浏览器连续工作几小时）每一项都要稳定长连接。挂代理跑持续数小时的 agent 任务，断线重连的体验你懂的。加上本地文件会上传到 OpenAI 执行环境的数据现实，判断是：未来一两个季度国内可用性都不会及格。想要「能连续干几小时的 agent」，本地跑的 Claude Code 或开源替代仍是更现实的选择。
六、 该不该切换？三类人三个答案，还有一张「迁移前必等的三张入场券」
Claude Code 是日常主力且跑得顺：别动。 GA 当天按厂商天花板数字迁移，正是 Fable 5 发布时警告过的错误——中立 harness 评测现在一个都没有。7 月 9 日发生的一切，没改变你终端里今天能干的事。唯一值得盯的是九月的价格棋，那才最终碰到你账单的地方。
按量买 API token 的：不切换，但这周把 5 美元便宜实验做了。 拿 5 美元（中转约 50 块），把你最近五个真实任务——这周真挂过的测试、真写过的迁移脚本，不是玩具 prompt——喂给 Luna，和当前默认模型对比。5 美元约等于 50 万 token Luna 输出，足够看清工具调用纪律和指令跟随质量。Luna 惊艳再升 Terra，最后才碰 Sol；三档 Coding Agent Index 75/77/80，档间差距小到便宜档就能告诉你贵档的大部分答案。
无论你坐哪个位置，真正的迁移决定都压到三个信号出现之后——截至今天，三个都还不存在：
- 中立 harness benchmark：Sol 和 Claude 系在谁都不控制的第三方脚手架上跑 Terminal-Bench 或 SWE-bench。
- 两周真实生产反馈：GA 首周模型有安静降级和限流抽风前科，让别人先踩。
- 蜜月期后的价格：OpenAI 没承诺现价永久，Anthropic 的应对两个月内必然落地。
三个信号都倒向 GPT-5.6，九月再迁移，你不会损失七月的任何东西；有一个不倒向，你省下的就是一次工作流重建。
七、 那些容易被忽略但决定体验的细节：浏览器控制稳了、Atlas 停了、多 Agent 并行、Sites 部署、GPT-Live 语音
实测几天，有几个变化挺实在：
- Computer Use / 浏览器控制明显稳了：以前偶尔点歪、页面变了还按旧状态操作，这次准多了，来回找按钮、重复点击的情况少了。OpenAI 自己日志里也写了「GPT-5.6 让 Computer Use 更快」。
- Atlas 浏览器 8 月 9 日停运：书签、标签页、历史不会自动迁移，正在用的赶紧导出。但浏览器能力没停——新版桌面端内置浏览器支持多标签、下载、更顺导航和账号登录；Chrome 扩展也改名叫 ChatGPT，直接住进侧边栏，能新建任务、继续历史对话、跳回 App。以前是「Codex 插件帮 Codex 操作 Chrome」，现在是「ChatGPT 直接住进 Chrome 侧边栏」。
- 任务一复杂就自己拆 Subagents 并行：默认四个 Agent 同时跑，一个查资料、一个看代码、一个找问题、主代理收结果。API 也上了 Multi-agent 测试功能。Altman 说 Sol 在 Agentic Coding 上 Token 效率高 54%，但多 Agent 看着热闹，任务没选对就是几个人一起烧额度。改个小文件也拉几个代理，只会让大家重复看同一段代码。
- 前端生成比 5.5 好看了，但离 Claude 还有距离：第一版底稿正常多了，布局留白层级不让人想推倒重来。但整体气质和细节上 Claude 更稳，GPT-5.6 还得一轮轮调才能交付。
- Sites 功能进来了：从头做网站、本地项目交给它、保存版本、一键部署拿线上地址、环境变量密钥单独管理。对不熟悉部署的人真方便，但目前公测，套餐/地区/工作区设置/中转登录都会影响能不能看到。拿线上地址做内部工具前记得查权限，别把密钥、内部数据一起放出去。
- GPT-Live 前一天上线：付费用 Live-1、免费用 Live-1 mini，可打断、可搜网、可用记忆、同段对话处理文图。暂不支持视频和屏幕共享，需要的还得用旧版高级语音。
八、 别让「首发焦虑」绑架你的技术决策
这几年见过太多团队：发布会一结束就拉着全组连夜改 SDK、换 Prompt、跑 benchmark、写迁移脚本，结果两周后模型安静降级、价格跳水、竞品反手一个更香的更新，前功尽弃不说，还把原本稳的工作流搞崩了。
某家模型宣称「推理能力质变」，我按捺不住把主力分类任务切过去，结果在长尾脏数据上翻车率比旧模型高 30%，回滚花了三天。后来等中立评测出来，发现它在干净数据集上确实强，但鲁棒性根本不够生产级。seitdem，团队定了条铁律：没中立评测、没两周生产反馈、没蜜月期后价格，绝对不迁移核心链路。哪怕竞品吹得再响、定价再狠、Demo 再炫，这三张入场券一张都不能少。
这次 GPT-5.6，Sol 在自家 harness 拿 80 分、Terra 卡着 Sonnet 价位、Luna 便宜得像不要钱、Codex 并入超级 App、多 Agent 并行跑得热闹非凡——这些全是发布会上的真相，不是你生产环境里的真相。真相在两周后的中立榜单里、在你跑真实任务的那 5 美元 Luna 账单里、在九月 Anthropic 到底降不降价的那个动作里。
九、 给不同角色的一句话行动清单
- 独立开发者 / 小团队：花 50 块跑遍 Luna，记下工具调用成功率和指令跟随分，存进 Notion，九月再看。
- 中大型团队 Tech Lead：别动核心链路。指派一个低优先级 side project 给实习生/初级跑两周 GPT-5.6 API，产出对比报告，顺便摸清中转稳定性。
- 产品经理 / 非技术决策者：别被「超级 App」演示忽悠买 Pro。让技术同事跑完上一条实验，拿数字说话。
- 国内想体验 Work 的用户：省省吧，现在网络环境跑不了持续数小时的长任务。盯着 Claude Code 本地跑、或开源替代（如 OpenHands、Aider 配本地模型），才是正经生产力。
- 在选型边缘摇摆的新项目：用现在最顺手的模型先跑起来。模型层迁移成本在降低，业务逻辑重构成本才大头。别让模型选型拖延交付。
十、 发布会是营销的，账单是自己的，代码跑得通才是硬道理
GPT-5.6 的发布是真的、全球的、定价带着杀气的——这些经得起推敲。能力宣称大多还不算数：编码旗舰分是自家 harness 跑的，最深的公开 benchmark 还落后 Fable 5 十五分，全场最可信的优势是单位任务成本，不是能力上限。
7 月 9 日真正值得记住的是那次合并：OpenAI 把开发者 agent 折叠进消费级超级 App，Anthropic 继续卖可组合的开发者原语。这个分叉对你工具箱的影响，会比这个季度的榜单长命得多。
花 5 美元跑一遍 Luna，盯住中立 harness 的数字——在证据（而不是发布会）先动之前，默认模型别动。
你说呢？你那边有没有已经按捺不住想冲的？还是打算像我一样端着茶看戏？欢迎在评论区吐槽你的「首发焦虑」经历，或分享你跑 Luna 5 美元实验的真实数据——咱们以实战说话，不听 PPT 吹牛。
评论 (0)